Données massives en hygiène du travail Exploitation des banques de mesures d’exposition professionnelle Colloque IRSST 2017 Jérôme Lavoué IRSST 29 novembre 2017

Évaluation de l’exposition en hygiène du travail Un élément essentiel de la prévention des maladies associées au travail Conclure sur la présence d’un risque dans une étude d’hygiène Identifier des secteurs d’activité prioritaires pour cibler des interventions Soutenir l’épidémiologie pour identifier de nouveaux facteurs de risque Dénombrer les populations exposées pour estimer le fardeau des maladies (p. ex. : fardeau des cancers d’origine professionnelle) IRSST 29 novembre 2017

Une année d’expositions quotidiennes sur 8 heures Un défi majeur Une année d’expositions quotidiennes sur 8 heures IRSST 29 novembre 2017

Les banques de données d’exposition professionnelle Développement parallèle aux premières législations SST (70s-80s) Conformité / prévention Plusieurs objectifs Contrôle de qualité analytique Surveillance des expositions Source d’information pour l’épidémiologie Plusieurs atteignent maintenant >30 années de collecte IRSST 29 novembre 2017

Banques de données majeures actuelles France ~ 1986 > 1,00,000 mesures COLCHIC Allemagne ~ 1972 > 2,200,000 mesures MEGA États-Unis 1979 > 1,500,000 mesures IMIS IRSST 29 novembre 2017

Au Québec Activités de prévention du Réseau de santé publique en santé au travail ~ 1-1.5 M de mesures dans les dossiers des établissements IRSST 29 novembre 2017

Un potentiel impressionnant, mais… Information principalement dans les dossiers papier (jusqu’à ~ 2005) IRSST 29 novembre 2017

Big data à la rescousse ? Les méthodes se développant autour des recherches en intelligence artificielle et approches de données massives visent à exploiter des données existantes pour améliorer notre connaissance du présent ou du futur IRSST 29 novembre 2017

Le punch, en avance… Métier : peintre au pistolet / Secteur d’activité : garages Période : 1995-2005 Agresseur : toluène pour les exposés, proportion des expositions au-dessus de la VLE Probabilité d’exposition IRSST 29 novembre 2017

Exemple 1 : analyse des biais Distribution des expositions dans la population active (ce qui est important) Secteur d’activité Établissement Non aléatoire Emploi Travailleur Période Saisie dans la banque Distribution des mesures dans la banque (ce qui est disponible) IRSST 29 novembre 2017

Exemple 1 : méta-analyse globale de IMIS 77 agents > 500,000 mesures (95 % d’IMIS) Méta-analyses après analyse multivariée Effet d’un lourd passé de contraventions sur la probabilité de dépasser la norme IRSST 29 novembre 2017

Exemple 2 : outils de prédiction des expositions Utilisation des techniques de classification “random forest” sur la banque COLCHIC IRSST 29 novembre 2017

Exemple 3 : identification des co-expositions Exposome tiré de la banque IMIS Réseau relationnel permettant de mettre en évidence des situations de co-expositions dans les différents secteurs d’activité économique IRSST 29 novembre 2017

Exemple 4 : On y est presque ! Exposition des ébénistes aux poussières de bois Matrice emploi exposition CANJEM (www.canjem.ca) 102/105 emplois exposés (P=97%) Banque de données canadienne CWED 5 000 mesures pour les poussières de bois 250 pour les ébénistes IRSST 29 novembre 2017

Conclusion Comme chaque image postée sur Google et servant de base aux algorithmes de reconnaissance, chaque mesure d’exposition peut, et devrait, être archivée et valorisée pour soutenir la prévention des maladies professionnelles IRSST 29 novembre 2017